本文均来源于企业实践的真实场景,为了客户隐私,我们做了对应的化名处理。这些问题,如要不回的应收账款、供应不及时带来的交期延迟赔款、预测不准带来的处置成本等,都曾让这些企业在一段时间内“回到解放前”或者“白干”。但是,有了数据,有了技术的普惠,我们可以近乎以免费的方式解决。
2021年4月初,公司运营在季度业务汇报时,向总经理阐述了一个现象,其经销商的“流失及失活”存在异常,主要如下:
1、部分经销商在注册后消失,一部分停止经营,但基于联系人查询,其中部分新经销商的联系人相同,为“同一联系人”;
2、一部分经销商仅产生一次交易便再无后续合作,销售对此的解释是“拓新失败、竞争激烈”。同时,该运营对应汇报了上述情景下涉及到的应收账款坏账,以及此类特殊订单的费效比金额。
外部经济大环境的动荡以及企业经营政策的不合理(例如短期趋利性)、客户经营者的习惯(赌博、主体边界意识弱)等都会引发经销商存在风险,从而影响到你。例如其中的短期趋利性,企业大面积补贴新拓、大幅度促销等,都会产生经销商套利行为,进而销售在业绩的压力下新增新注册客户,企业承担额外费用,影响经营质量;此外,外部环境及经营者的问题,也会引发经营“倒闭”、“冻结”等各类问题。整体上,数字时代,整体都会在法院(诉讼案件)、工商(主体变更)、社保(缴纳人数减少、虚壳公司)、税务(应税缴纳)等外部大数据下有“影子”,而上述的风险扫描,在业务环境的预警控制,将有助于企业降低经营风险。
在与客户和供应商的交易过程中设置两个风险管控节点,接入外部工商信息数据,融合企业内部交易数据,如:历史逾期率、长账龄比例、坏账率、预期天数、经营异常、失信被执行信息等。对每项信息进行评分,构建风险评估模型全方面评估客商的工商、法务、税务、经营情况,经营风险,并在业务过程中自动风险预警。
此外,销售预测的准确性是一切的源头,涉及业务,也涉及数据及算法;对于数据本身而言既要着眼于内部,例如销售订单、经销商协同,也要基于外部,例如年龄数据、试销数据等。同时,善于构建业务的创新与善于利用数据是同等重要的,例如,基于预定单在B2B上的应用,测试经销商对于新品的热度,利用外部平台以及在一定区域内试销,根据上述业务及数据的优化再进行调整。总之,今天对于预测,不是简单的拍脑袋,技术使我们面对不确定性,构建相对确定性。
大数据- 销售预测:基于内外部数据,进行评估清洗标签化,基于各类算法,提升预测准确率。
依据企业历史销售情况,综合各类促销活动、节假日、天气状况、突发事件等影响因素,滚动预测企业未来一段时间内的商品销售趋势,通过未来商品的需求预测,以驱动和衔接生产及采购计划,协助组织各层级做出最恰当的决策。预测结果可直接进入MRP,或智能采购,以达到平滑未来需求波动的目标。